基于隐式一对多匹配的视频行人计数
计算机视觉与模式识别
2025-06-17 v1
摘要
视频行人计数（VIC）是一种新近提出的任务，旨在从视频中估算行人流量。它超越了传统视频人群计数（VCC）的方法，后者仅学习跨帧中重复行人模式的计数。与VCC不同，VIC的关键问题在于如何识别不同帧中共存的行人，这实际上是一个配对问题。现有VIC方法主要采用一对一（O2O）匹配策略，要求同一行人在不同帧之间必须精确匹配，因而对外观变化和漏检极其敏感。本文指出，O2O匹配可放宽为一对多（O2M）匹配问题，这更贴合VIC的本质，能够利用行人群散行为的优势。我们因此引入OMAN（One-to-Many Matching），一种简单却有效的VIC模型，具备隐式上下文生成器和一对多配对器。实验表明，OMAN在SenseCrowd和CroHD基准上实现了最先进的性能。代码已公开：https://github.com/tiny-smart/OMAN。
引用
@article{arxiv.2506.13067,
title = {Video Individual Counting With Implicit One-to-Many Matching},
author = {Xuhui Zhu and Jing Xu and Bingjie Wang and Huikang Dai and Hao Lu},
journal= {arXiv preprint arXiv:2506.13067},
year = {2025}
}